Tədqiqatçılar riyaziyyat problemlərini həll edən tələbələrin beyin skanlarını təhlil etmək üçün süni intellektdən istifadə edərək, riyaziyyat öyrənmə qüsurlarının sinir köklərinə ilk dəfə nəzər salır.

Süni intellektin və funksional maqnit rezonans tomoqrafiyasının (fMRI) səlahiyyətlərini birləşdirərək , Stenford Universitetində tədqiqatçılar qrupu Amerikada hər 5 şagirddən 1-i narahat edən riyaziyyat öyrənmə qüsurlarının nevroloji əsasları haqqında ilk dəfə fikirlər təqdim etmək üçün mübarizə aparan riyaziyyat tələbələrinin “rəqəmsal əkizləri” yaratdılar.

Stanford Universitetinin psixiatriya və davranış elmləri professoru Vinod Menon, “Tədqiqatımız uşaqlarda öyrənmə qüsurlarının beyin əsaslarını və koqnitiv əsaslarını anlamağa çalışmaq üzrə bir neçə onilliklər ərzində apardığımız davranış, koqnitiv neyroimaging işindən irəli gəldi” dedi. “İndi bizdə bu sualları daha dərindən, daha mexaniki şəkildə verməyə imkan verən yeni AI alətlərimiz var.”

“Science Advances” jurnalında dərc olunan məqalədə Menon və onun həmmüəllifləri, Stenforddan postdoktora alimi Entoni Strok və sosial elmlər üzrə tədqiqatçı alim Persi Mistri fərdiləşdirilmiş dərin neyron şəbəkələri adlandırdıqları şeyi təqdim edirlər . Bunlar real uşaqların effektiv rəqəmsal “əkiz beyni”dir, fərdi tələbələrin riyaziyyat problemlərini necə həll etdiyini təqlid edə bilən və riyaziyyat öyrənmə qüsuru olan uşaqların beynində işlərin hara getdiyini hesablama üsulu ilə nümayiş etdirə bilən modellərdir.

https://googleads.g.doubleclick.net/pagead/ads?gdpr=0&us_privacy=1—&gpp_sid=-1&client=ca-pub-0536483524803400&output=html&h=280&slotname=8188791252&adk=1645945215&adf=308666314&pi=t.ma~as.8188791252&w=750&abgtt=6&fwrn=4&fwrnh=0&lmt=1749622785&rafmt=1&armr=3&format=750×280&url=https%3A%2F%2Fphys.org%2Fnews%2F2025-06-digital-twins-reveal-math-disabilities.html&fwr=0&rpe=1&resp_fmts=3&wgl=1&uach=WyJXaW5kb3dzIiwiMTkuMC4wIiwieDg2IiwiIiwiMTM3LjAuNzE1MS4xMDMiLG51bGwsMCxudWxsLCI2NCIsW1siR29vZ2xlIENocm9tZSIsIjEzNy4wLjcxNTEuMTAzIl0sWyJDaHJvbWl1bSIsIjEzNy4wLjcxNTEuMTAzIl0sWyJOb3QvQSlCcmFuZCIsIjI0LjAuMC4wIl1dLDBd&dt=1749622785400&bpp=1&bdt=161&idt=48&shv=r20250609&mjsv=m202506100101&ptt=9&saldr=aa&abxe=1&cookie=ID%3Df22668bce9793ae4%3AT%3D1735196613%3ART%3D1749622588%3AS%3DALNI_Mb4Xpwl1SO1AcvqroR6xccDm_sheQ&gpic=UID%3D00000f7c5320f40b%3AT%3D1735196613%3ART%3D1749622588%3AS%3DALNI_Mb1dz_DHiT2yDzXLMaB9CDkQl4XGg&eo_id_str=ID%3Dcdf7f2f01784f52d%3AT%3D1735196613%3ART%3D1749622588%3AS%3DAA-Afjb8kbeupLLyQ0QHQmZxpM4v&prev_fmts=0x0&nras=1&correlator=7509904831334&frm=20&pv=1&rplot=4&u_tz=240&u_his=3&u_h=1080&u_w=1920&u_ah=1032&u_aw=1920&u_cd=24&u_sd=1&dmc=8&adx=448&ady=1792&biw=1905&bih=945&scr_x=0&scr_y=0&eid=42532524%2C95353386%2C31092936%2C95362800%2C95359266%2C95362804%2C95363072&oid=2&pvsid=1847240116376053&tmod=54008405&uas=0&nvt=1&ref=https%3A%2F%2Fphys.org%2Fpage4.html&fc=1920&brdim=0%2C0%2C0%2C0%2C1920%2C0%2C1920%2C1032%2C1920%2C945&vis=1&rsz=%7C%7CpeEbr%7C&abl=CS&pfx=0&fu=128&bc=31&bz=1&td=1&tdf=2&psd=W251bGwsbnVsbCxudWxsLDNd&nt=1&ifi=2&uci=a!2&btvi=1&fsb=1&dtd=139

Dinclik arasında

Tədqiqatçılar öz araşdırmalarında 7-9 yaş arası 45 şagirdi seçiblər, onlardan 21-i riyaziyyatı öyrənmə qabiliyyətinə malik idi. Sonra real tələbələr fMRI beyin fəaliyyətinin qrafikini tərtib edərkən əsas toplama və çıxma məsələlərini həll etdilər. Sonra, AI modelləri onların beyin fəaliyyətini təqlid edərkən , onlar rəqəmsal əkizləri öyrətdilər, onların real dünya əkizləri ilə oxşar cavablar aldılar – doğru və yanlış, hər dəfə.

Menon və onun əməkdaşları öyrəndilər ki, süni intellekt modelləri onların real dünya əkizlərinin dəqiqliyini və öyrənmə sürətini təqlid etmək üçün neyron həyəcanlılığı kimi tanınan tək nevroloji parametri tənzimləməklə tənzimlənə bilər ki, bu da təxminən beyin hüceyrələrinin nə qədər güclü atəş açmasına bərabərdir. Bu cür nevroloji anlayışları canlı subyektlərdə öyrənmək çətinləşir, sinir fəaliyyətini ölçmək üçün beyinə elektrodlar yerləşdirilməsini tələb edir. Beləliklə, öyrənmə və öyrənmə əlilliyinin əsl neyrofiziologiyasını elmi olaraq müəyyən etmək çətin olmuşdur.

“Bizim və başqalarının gözlədiklərinin əksinə olaraq, biz öyrəndik ki, həddən artıq sinir fəaliyyəti – çox az deyil – öyrənmə çətinliklərinin əsas problemidir” dedi Menon. “Mübarizə edən uşaqlar ədədi təfəkkürün açarı olan beyin bölgələrində hiper həyəcanlılıq əlamətləri göstərirlər və AI əkizləri də eyni nümunələri göstərdilər.”

Menon və komandanın fərziyyəsi ondan ibarətdir ki, bu həddindən artıq fəaliyyət riyaziyyat problemlərinin zehni təsvirlərinin qarışıq olmasına, çaşqınlığa və daha yavaş öyrənməyə gətirib çıxarır. Onlar hiper həyəcanlılığın təsviri üst-üstə düşmə adlandırdıqları şeyə gətirib çıxardığını nəzəriyyə edirlər: Müxtəlif riyaziyyat problemləri çox oxşar sinir nümunələri yaradır. Menon dedi ki, riyazi təsvirlər qarışıq və qarışıqdır, bu da problemin dəqiq həllinə mane olur. Sanki beyin öz-özünə qışqırır və şagird səs-küyün arasında düzgün cavabı ayırd edə bilmir.

Gündəlik anlayışlar üçün Phys.org-a etibar edən 100.000-dən çox abunəçi ilə elm, texnologiya və kosmosda ən son yenilikləri kəşf edin . Pulsuz xəbər bülleteni üçün qeydiyyatdan keçin və mühüm nailiyyətlər, yeniliklər və tədqiqatlar haqqında gündəlik və ya həftəlik yeniləmələr əldə edin .Abunə ol

Yenilənmiş ümid

Maarifləndirici təsirlər əhəmiyyətlidir. Rəqəmsal əkizlər tədqiqatçılara hər bir uşaqda siliko-kompüterdə nevroloji mexanizmləri sınaqdan keçirməyə imkan verəcək və öyrənmə mübarizəsinin beyin səviyyəsindəki səbəblərinə bir pəncərə təqdim edəcək. Menon vurğuladı ki, tədqiqat göstərir ki, riyaziyyat öyrənmə qüsurlarını modelləşdirən süni intellekt əkizləri adətən inkişaf edən riyaziyyat tələbələri ilə eyni dəqiqliyə çatmaq üçün təxminən iki dəfə çox təlim tələb edir. Lakin, Menon vurğuladı, “Onlar nəhayət ekvivalent performansa çatırlar. Və bu, bizə təkmilləşdirilmiş remediasiya strategiyaları üçün böyük ümid verir.”

Pedaqoqlar üçün rəqəmsal əkizlər xüsusi tələbənin öyrənmə tərzinə uyğunlaşdırılmış fərdiləşdirilmiş təlim planlarına səbəb ola bilər və hər bir fərdi şagird üçün ən yaxşı nəticə verə biləcək təlimat növlərini proqnozlaşdıra bilər. Menon və komanda indi riyazi əsaslandırmanın daha zəngin nevroloji simulyasiyalarını yaratmaq üçün öz modellərini yeni istiqamətlərdə genişləndirirlər.

Menonun təklifi ondan ibarətdir ki, öyrənmə əlilliyi olan uşaqların performans çatışmazlıqlarını aradan qaldırmağa imkan verəcək əhəmiyyətli əlavə təlimə ehtiyacı ola bilər. Buna baxmayaraq, Menon nəticələri çox oxumamaq üçün ehtiyatlı olmağı təklif edir. Modelin təkmilləşdirilməsinə ehtiyac var. Görüləsi daha çox iş var, lakin bu, gələcək tədqiqatlar üçün bəzi perspektivli yeni istiqamətlərə işarə edir.

“İndi hədəflənmiş strategiyaları real siniflərdə sınaqdan keçirməzdən əvvəl – istər idrak, istərsə də neyron – sınaqdan keçirmək üçün bir çərçivəmiz var” dedi Menon. “Bu, öyrənmə qabiliyyəti olmayan uşaqlar üçün effektiv təhsil proqramları hazırlamaq qabiliyyətimizi sürətləndirə və riyaziyyatı öyrənməkdə çətinlik çəkən real uşaqlar üçün real irəliləyiş əldə edə bilər.”

Ətraflı məlumat: Anthony Strock et al, Fərdiləşdirilmiş dərin neyron şəbəkələri uşaqlarda riyaziyyat öyrənmə qüsurlarının mexanizmlərini ortaya qoyur, Science Advances (2025). DOI: 10.1126/sciadv.adq9990

Jurnal məlumatı: Elmin inkişafı 

Stanford Universiteti tərəfindən təmin edilmişdir